摘要
多尺度分类挖掘多局限于空间数据,且对一般数据尺度特性进行分类的研究较少.针对上述问题,进行普适的多尺度分类方法研究,以扩大多尺度适用范围.从空间数据估计角度出发,结合层次理论和尺度特性,基于概率密度估计离散化方法,针对数据的多尺度特性进行分类挖掘.以非局部均值和三次卷积插值为理论基础,利用Q统计和不一致度量进行操作,提出多尺度分类尺度上推算法和多尺度分类尺度下推算法.采用UCI数据集和H省人口真实数据集进行实验,并与CFW、MSCSUA和MSCSDA等算法进行对比,结果表明,该算法可行有效.与其他算法相比,尺度上推算法正确率平均提高4.5％,F-score提高4.8％,NMI提高12.3％,尺度下推算法各个相应指标分别平均提高5.3％,6.6％和11.8％.
国家科技期刊平台
NSTL
维普
万方数据